Квантизированная 4-битная версия Qwen2.5-1.5B-Instruct в формате MLX для локальной генерации текста и диалогов.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Описание составлено по карточке модели и метаданным Hugging Face
mlx-community/Qwen2.5-1.5B-Instruct-4bit — квантизированная 4-битная версия модели Qwen2.5-1.5B-Instruct, преобразованная сообществом mlx-community в формат MLX с помощью mlx-lm 0.18.1. Это плотная авторегрессионная модель семейства Qwen2, рассчитанная на диалоговую генерацию текста и работу в сценариях чата; интерфейс поддерживает вызов инструментов. Размер модели — 1,5 млрд параметров, длина контекста — до 32 768 токенов.
Модель подходит для локального запуска на устройствах Apple с MLX, например для диалогов, ответов на вопросы и генерации текста. В метаданных указан английский язык. Репозиторий распространяется по лицензии Apache-2.0. Квантизация уменьшает требования к памяти, но может влиять на точность по сравнению с исходной версией; качество и языковые возможности сверх указанных данных не подтверждены.
Квантизация может снизить точность по сравнению с исходной моделью. В карточке подтверждён английский язык; качество на других языках не описано.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
The Model mlx-community/Qwen2.5-1.5B-Instruct-4bit was converted to MLX format from Qwen/Qwen2.5-1.5B-Instruct using mlx-lm version 0.18.1.
pip install mlx-lm
from mlx_lm import load, generate
model, tokenizer = load("mlx-community/Qwen2.5-1.5B-Instruct-4bit")
response = generate(model, tokenizer, prompt="hello", verbose=True)
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
MLX-модели работают только на Apple Silicon.